如何找到k-means簇的数量区间？

Question

我正在尝试使用Kmeans对数值变量进行离散化。 它工作得很好，但我想知道如何在群集中找到间隔。

我使用 FactoMineR 来做我的kmeans。 我根据下图找到了3个集群：

我现在的观点是确定群集中数值变量的间隔。

FactoMineR 或其他套餐中是否有任何选项或方法可以执行此操作？ 我可以手动完成，但由于我必须为一定数量的变量做这件事，我想找到一种简单的方法来识别它们。

Answer 1

由于您没有提供数据，我使用了kmeans文档中的示例，该文档为包含两列x和y的数据生成两组。您可以通过每行所属的集群split原始数据，然后从每个组中提取数据。我不确定我的示例数据是否与您的数据类似，但在下面的代码中，我只是使用列x的min值和列y的max值之间的差异作为潜在间隔的边界（根据用例，这是否有意义）。这对你有帮助吗？

data <- rbind(matrix(rnorm(100, sd = 0.3), ncol = 2),
           matrix(rnorm(100, mean = 1, sd = 0.3), ncol = 2))
colnames(data) <- c("x", "y")

cl <- kmeans(data, 2)

data <- as.data.frame(cbind(data, cluster = cl$cluster))

lapply(split(data,  data$cluster), function(x) {
  min_x <- min(x$x)
  max_y <- max(x$y)
  diff <- max_y-min_x
  c(min_x = min_x , max_y = max_y, diff = diff) 
})

# $`1`
# min_x      max_y       diff 
# -0.6906124  0.5123950  1.2030074 
# 
# $`2`
# min_x     max_y      diff 
# 0.2052112 1.6941800 1.4889688